DoNews8月27日消息,据第一财经报道,当地时间8月26日,谷歌发布了其最新的图像生成和编辑模型Gemini 2.5 Flash Image,并迅速登顶多个主流图像排行榜,成为新晋性能冠军。
上周一款名为“nano-banana”的模型出现在大模型竞技场中,开始接受用户的匿名体验和打分,目前投票数超过250万。如今谜底揭晓,“nano-banana”正是Gemini 2.5 Flash Image。
在大模型竞技场LMArena的文生图与图像编辑两个场景,谷歌的图像模型均拿下全球第一,在图像编辑榜单上模型表现尤为出色,获得1362的高分,以171分的差距领先第二名flux-1-knotext-max。
知名AI基准测试机构Artificial Analysis同样获得了早期访问权限,并在过去一周以“rex”的化名在竞技场中进行了测试。目前谷歌的模型在图像编辑方面排名第一,超过了OpenAI的GPT-4o和国内阿里的Qwen-Image-Edit,在文生图方面则略逊于字节Seedream 3.0和GPT-4o,排名第三。
Artificial Analysis还做了一个对比测试,给出了一张图,让谷歌、阿里通义和OpenAI三家的模型生成新的照片:在自行车后座上加一名乘客,并将地点更改为内蒙古的草原。
从输出结果看,千问的图像模型未能准确进行指令跟随,在画面真实度上,谷歌的模型表现则比GPT-4o更为突出。
谷歌称,Gemini 2.5 Flash Image的核心亮点是图像编辑能力,这一模型可将多个图像混合到一幅图像中,保持高度的角色一致性,还能使用自然语言进行有针对性修改,并充分利用Gemini的世界知识来生成和编辑图像。